Deterministic Geometric Semantic Genetic Programmingによる時系列予測

カテゴリ: 研究会(論文単位)

論文No: CT19002

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2019/01/05

タイトル(英語): Time Series Forecasting with Deterministic Geometric Semantic Genetic Programming

著者名: 原 章(広島市立大学),串田 淳一(広島市立大学),高濱 徹行(広島市立大学)

著者名(英語): Akira Hara(Hiroshima City University),Jun-ichi Kushida(Hiroshima City University),Tetsuyuki Takahama(Hiroshima City University)

キーワード: 進化計算|遺伝的プログラミング|時系列予測|Evolutionary Computation|Genetic Programming|Time Series Forecasting

要約(日本語): 木構造プログラムの進化的最適化手法であるGenetic Programming (GP)の探索効率を向上させるため，先に筆者らは，プログラムの意味に基づく新たな最適化手法であるDeterministic Geometric Semantic GP（D-GSGP）を提案し，関数同定問題において有効性を示した．本研究では，この手法を時系列データの予測問題に適用した結果について報告する．

要約(英語): Genetic Programming (GP) is an evolutionary optimization method for tree structural programs. We have previously proposed an improved semantics-based GP, Deterministic Geometric Semantic GP (D-GSGP). In the D-GSGP, offspring are generated by affine combinations of parents with the optimal coefficients for search. In this research, we apply the method to a time-series forecasting problem, Sunspot number series, and examine its effectiveness.

原稿種別: 日本語

PDFファイルサイズ: 1,884 Kバイト